我们的研究结果引起了人们对英国职场欺凌和骚扰的严重问题的关注,以及不公平待遇对个人和组织可能造成的毁灭性影响。研究结果显示,人们仍然依赖正式流程和程序来处理冲突,并且存在严重的认知与现实差距。雇主和人事经理处理冲突的信心与遭受冲突的员工的经历并不相符。我们发现,雇主和员工对人们在工作中畅所欲言的能力表现出了良好的信心,但解决率却不尽人意:不到一半(44%)经历过冲突的员工报告说,冲突或困难的关系到目前为止已完全或基本得到解决。而个人的人事经理很可能使情况变得更糟,也可能帮助解决了冲突。
超导体,磁铁和新型量子材料我们对高温超导体感兴趣,这些高温超导体很难用到目前为止的理论解释,拓扑量子材料可以解释但在现实中很难找到,而对学术和工业领域有用的磁性材料。这些材料使用通量法,化学蒸气传输方法等以单晶或粉末形式合成。此外,还研究了它们的物理特性,包括原子结构,电性能,磁性和热性能。让我们开始说:“这是世界上我们在自己的实验室中制作的一种有趣的材料。“ _新颖的量子材料实验室:Keeseong Park教授
* 供应商名称 交易编号 * 采购描述 * 状态 * 采购类型 * 授予流程 授予日期 开始日期 续签日期 合同是否有结束日期? 结束日期 金额 * 财政年度支出金额 截至目前为止的合同有效期支出金额 当前或未结余额 授予合同前收到的投标或建议书数量 供应商是纽约州企业还是外商企业? 供应商是少数族裔企业还是女性企业? 是否在采购流程中征求了 MWBE 公司的意见? 从 MWBE 公司收到的投标或建议书数量。 是否免于经济发展法第 4c 条的公布要求? 如果是,请说明免除依据 公平市场价值 解释公平市场价值低于合同金额的原因 * 地址行 1 地址行 2 * 城市 州 * 邮政编码 + 邮编 4 省/地区 * 国家 如果为“其他”,请提供国家名称
说明: 1. 为提升股东权益报酬率,拟办理现金减资退还股款【附件八】。 2. 本公司额定资本额为新台币18,000,000,000 元,分为1,800,000,000 股,每股面额10 元。截至目前为止实际发行股数749,589,356 股,拟现金减资新台币2,623,562,750 元,销除已发行股份262,356,275 股,现金减资比率约为35% ,现金减资后实收资本额为新台币4,872,330,810 元,每股面额10 元,分为487,233,081 股。 3. 依已发行普通股总股数计算,预计每仟股换发650 股( 即每仟股减少350 股) ,预计每股退还现金新台币3.5 元。减资后不足一股之畸零股,股东得于减资换发
尽管我们对机器学习中的公平性的理解已经大大发展,但我们对扩展学习(RL)公平性的理解仍然很新生。大多数诉讼都在一声分类任务中公平。但是,现实世界中支持RL的系统(例如,自动驾驶汽车)的复杂性要复杂得多,因为代理在长时间内在动态环境中运行。为了确保对这些系统的负责任开发和部署,我们必须更好地了解RL中的公平性。在此过程中,我们调查了文献,以提供RL中公平的前沿的最新快照。我们首先要重新查看RL中可能出现公平考虑的地方,然后讨论到目前为止提出的RL公平性的各种定义。我们继续强调了用于在单一和多代理RL系统中实施公平性的方法研究人员,然后展示了已研究了公平RL的不同应用域。最后,我们批判性地研究了文献中的差距,例如在RLHF背景下的公平性,在将来的工作中仍然需要解决这些差距,以便在现实世界中真正实现公平RL。
本文是我论文“优化中的建模语言:编程的新范式” [21] 25年前发表的。它揭示了我为什么需要新的编程语言范式的想法。In the meantime a lot has happened: The paradigm of constraint programming has been established, new “packages” in mathemati- cal modeling in modern programming languages, as Python, Julia, C++, a.o., have popped up recently, several commercial modeling systems are on the market, such as AIMMS, MOSEL, HEXALY, and several algebraic modeling languages, as AMPL, GAMS, LINGO, etc.已扩展。我用自己的建模语言(即LPL)做出了贡献。在我作为研究人员的职业生涯开始时,我实施了LPL(线性编程语言)作为制定几种较大LP(线性程序)的工具,我们在弗里博格大学信息学系的各种现实生活项目中使用了这些工具。很快我发现这种语言符号可以用于许多其他不同的应用程序。我在语言中添加并删除了许多功能,始终在任务中找出什么是制定和建模具体问题作为数学模型的“最简单,最短,最可读,高效)的方法。它已成为许多严重且不那么严重的应用和模型的主要操场和研究对象。寻求找到我想到的建模语言到现在还没有结束的。本文收集了我作为老师,研究人员和领事的实际问题所提出的一些想法和要求,我认为这是基本的。它可能会刺激具有正式语言设计能力更多的人,而不是我挑选这些想法并做得比到目前为止更好。尽管本文描述性而不是正式,但我坚信这些想法值得写下。未来将表明它们是否落在富有成果的土壤上。
摘要:虽然经常在调查任务中使用市售的AUV,但存在一组新的应用程序,这些应用程序显然需要干预功能。维护:水下的永久性观察者;淹没的油井;有线传感器网络;管道;底栖电台的部署和恢复只是其中的一些。如今,使用载人的潜水员或工作级ROV来解决这些任务,并在人类监督下配备了远程手臂。尽管研究人员最近为未来的I-Auvs打开了大门,但仍然需要一条漫长的途径来铺平水下干预申请的方式,以自主的方式进行。本文回顾了自主水下干预系统中的进化时间表。里程碑项目,强调了他们对领域的主要贡献。对最好的作者知识,只有三辆车表现出了到目前为止的一些自主干预能力:Alive,Sauvim和Girona 500 I-Auv。接下来,介绍了Girona 500 I-AUV,并讨论了其软件体系结构。报告了不同场景中的最新结果:1)阀门转动和连接器插头/拔下插头,而停靠到亚海面板,2)使用示范进行学习的自由流动阀转弯,3)3)自由流动多源性多源多功能基于多渗透性基于多感官的对象恢复。论文结束了讨论到目前为止所学到的教训,并介绍了作者对未来的看法。
摘要发达国家最重要的优先事项之一是使用机器决策而不是人类。需要该领域的领域之一就是健康。为此,确定人们的肥胖和瘦弱在研究和研究社会的健康状况和采用卫生系统政策方面非常有用。人物作为研究数据库的图像是从几个不同的环境中编写的,在这些环境中,相机与人之间的距离在所有人之间都是相同的。然后,使用背景扣除去除图像的背景。包括图像形态特征的图像特征是从图像中提取的,并分为两类以执行分类操作。人们分为三类:脂肪,中和薄。使用高斯低通滤波器方法将图像液体使用,并使用两种盐和胡椒噪声和高斯噪声进行过滤的不同频率。n正常图像,最高精度与精度为97.1%的SVM方法有关,最低的方法分别与MLP,贝叶斯和KNN算法有关。本文的结果表明,除了能够从肥胖和瘦弱方面对社会人民进行分类之外,还比到目前为止提出的大多数方法都具有更高的准确性。根据这项研究的解决方案和结果,通过增加人们的形象,除了提高准确性外,它将达到更实际的水平。关键字关键字:分类,图像处理,机器学习,SVM,薄,脂肪
驾驶员疲劳检测是减少事故、提高交通安全的重要手段之一,其主要挑战在于如何准确识别驾驶员的疲劳状态。现有的检测方法包括基于面部表情和生理信号的打哈欠、眨眼等,但基于面部表情的检测结果会受到光照和环境影响,而脑电信号是直接反应人的精神状态的生理信号,对检测结果的影响较小。本文提出一种基于EEG的对数梅尔语谱图和卷积循环神经网络(CRNN)模型来实现驾驶员疲劳检测,这种结构可以发挥不同网络的优势,克服单独使用各个网络的劣势。其流程为:首先将原始脑电信号经过一维卷积的方法实现短时傅里叶变换(STFT),并经过梅尔滤波器组得到对数梅尔谱图,然后将得到的对数梅尔谱图输入到疲劳检测模型中,完成脑电信号的疲劳检测任务。疲劳检测模型由6层卷积神经网络(CNN)、双向循环神经网络(Bi-RNN)和分类器组成。在建模阶段,将谱图特征输送到6层CNN自动学习高级特征,从而在双向RNN中提取时间特征,得到谱图-时间信息。最后,通过由全连接层、ReLU激活函数和softmax函数组成的分类器得到警觉或疲劳状态。本研究的实验是在公开可用的数据集上进行的。结果表明,该方法能够准确区分警觉与疲劳状态,且稳定性较高;此外,还将四种现有方法的性能与本文方法的结果进行了比较,均表明本文方法能够取得目前为止的最好效果。
摘要。如果仅考虑到目前为止读取单词的前缀,可以解决其非确定性,那么不确定的自动机是历史性确定的。由于其良好的组成属性,历史确定性的自动机对解决游戏和综合问题很有用。确定给定的非确定性自动机是历史性的 - 确定性(HDNESS问题)通常是一项艰巨的任务,这可能涉及指数过程,甚至是不可确定的,例如,例如在下降自动机的情况下。令牌游戏为Béuchi和CobéuchiAutomata的HDNess问题提供了PTIME解决方案,并且猜想的是2 -Token Games是所有ω-调节自动机的HDNESS。我们将令牌游戏扩展到定量设置,并分析其潜力,以帮助确定定量自动机的HD度。尤其是,我们表明,有限单词的所有定量(和布尔)自动机的HD特征,以及无限单词的折扣(dsum),Inf和可触及性自动机,以及2-图表的2-标记游戏,liminf和liminf and Liminf automata and sup automatama and sup sup sup sup of sup sup of supiente and inspopatienta tocken of insumatiate and sup sup sup sup sup sup sup sup of supienta n in insubiente and inspimapta。Using these characterisations, we provide solutions to the HDness problem of Safety , Reachability , Inf and Sup automata on finite and infinite words in PTime , of DSum automata on finite and infinite words in NP ∩ co-NP , of LimSup automata in quasipolynomial time, and of LimInf automata in exponential time, where the latter two are only polynomial for automata with a对数的重量数量。